TransBigData是一个为交通时空大数据处理、分析和可视化而开发的Python包。TransBigData为处理常见的交通时空大数据（如出租车GPS数据、共享单车数据和公交车GPS数据等）提供了快速而简洁的方法。TransBigData为交通时空大数据分析的各个阶段提供了多种处理方法,代码简洁、高效、灵活、易用，可以用简洁的代码实现复杂的数据任务。转自同济大学余庆博士的文章：点击跳转
应专业选修课《数据分析与可视化》的期末考核，本人参考了@小旭学长的文章：点击跳转
本文根据上述文章，对该项目进行了一些代码上的修改（在一些可能报错的地方进行了修改），以及增加了对代码的解释以及图文介绍，并且增加了上海的出租车轨迹数据。
本项目作为课程设计参考，个人感觉本项目在最后的呈现效果上十分出色。该项目使用jupyter notebook开发环境。
项目地址：https://gitee.com/scaukzh/visualization
话不多说，直接看项目。
数据：
①出租车轨迹数据集
来源：https://people.cs.rutgers.edu/~dz220/data.html
介绍：该数据源自国外大学一名助理教授，包含了深圳市2013.10.22一天中大约600多辆出租车的轨迹数据，数据包含的信息依次为出租车ID，时间，纬度，经度，占用状态，速度;入住状态：1-乘客和0-乘客。数据一共大约54w条。
VehicleNumTimeLngLatOpenStatusSpeed03474520:27:43113.80684722.62324912713474520:24:07113.80989822.6273990023474520:24:27113.80989822.6273990033474520:22:07113.81134822.6280670043474520:10:06113.81988522.647800054.....................5449942826521:35:13114.32150322.7094990185449952826509:08:02114.32270122.681700005449962826509:14:31114.33670022.690100005449972826521:19:12114.35260022.728399005449982826519:08:06114.13770322.62170000
544999 rows × 6 columns
补充：我在项目中补充了一个上海的数据集，该数据集是香港科技大学智慧城市研究小组共享的数据集，包含上海市2007年02月20日单日若干辆出租车的轨迹数据。
②地图数据
地图采用json格式，这个地图数据用于标明深圳区域的范围，在后期进行绘图以及数据处理的时候都有作用。
代码部分：
一、第三方包和数据集的导入
1.第三包的导入
import transbigdata as tbd
import pandas as pd
import geopandas as gpd
import matplotlib.pyplot as plt
使用pip命令直接装transbigdata和geopands包可能会失败。不过transbigdata我已经放在项目中去了，大家直接调用即可。geopands比较容易装，这里就不详细讨论了。
2.读入出租车GPS轨迹数据
data = pd.read_csv('D:/code_for_school/visualtaxi/gps_data/shenzhen_taxi_gps.csv', header=None)#修改自身路径即可
data.columns = ['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus', 'Speed']
data.head() #head函数其中一个默认参数为5，故只返回头5条数据
VehicleNumTimeLngLatOpenStatusSpeed03474520:27:43113.80684722.62324912713474520:24:07113.80989822.6273990023474520:24:27113.80989822.6273990033474520:22:07113.81134822.6280670043474520:10:06113.81988522.647800054
3.读入深圳市地图数据
# Read the GeoDataFrame of the study area
sz = gpd.read_file(r'D:/code_for_school/visualtaxi/geo_data/sz.json')#修改自身路径即可
sz.crs = None
sz.head()
centroid_xcentroid_yqhgeometry0114.14315722.577605罗湖POLYGON ((114.10006 22.53431, 114.10083 22.534...1114.04153522.546180福田POLYGON ((113.98578 22.51348, 114.00553 22.513...2114.27020622.596432盐田POLYGON ((114.19799 22.55673, 114.19817 22.556...3113.85138722.679120宝安MULTIPOLYGON (((113.81831 22.54676, 113.81948 ...4113.92629022.766157光明POLYGON ((113.99768 22.76643, 113.99704 22.766...
sz.plot()
二、数据处理
1.剔除掉超出深圳地图范围的数据
# Data Preprocessing
# Delete the data outside of the study area
data = tbd.clean_outofshape(data, sz, col=['Lng', 'Lat'], accuracy=500) #剔除超出研究区域的数据
data.head(20)
VehicleNumTimeLngLatOpenStatusSpeed03474520:27:43113.80684722.62324912712736809:08:53113.80589322.62499604922299810:51:10113.80693122.62416615432299810:11:50113.80594622.62543304342299810:12:05113.80638122.62383306052239612:14:28113.80660222.62394914563243608:15:34113.80646522.62416605073243608:15:04113.80705322.6263500083243608:15:19113.80625222.62593302293243608:14:49113.80705322.62633300103243618:10:57113.80688522.622967050113243618:10:27113.80645022.626083036123243618:35:15113.80668622.623632129133243618:10:42113.80598422.624683041142737318:58:43113.80596922.624983042152737308:42:34113.80711422.623211061163191009:49:56113.80680122.626200025173516100:43:41113.80703022.622833151183516100:43:25113.80709822.624184154192341120:20:06113.80654922.623550056
如此一来，那些不在深圳市版图中的数据就被我们剔除掉了。
2.对数据按照车辆编号和时间顺序排好
# Delete the data with instantaneous changes in passenger status
data = tbd.clean_taxi_status(data, col=['VehicleNum', 'Time', 'OpenStatus'])
#删除出租车数据中载客状态瞬间变化的记录，这些记录的存在会影响出行订单判断。
#判断条件为:如果对同一辆车，上一条记录与下一条记录的载客状态都与本条记录不同，则本条记录应该删去
#实际上就是按照编号和时间顺序将数据排好
data.head(30)
VehicleNumTimeLngLatOpenStatusSpeedLONCOLLATCOL4520722239600:00:29113.99671922.69333312081654440772239600:01:01113.99551422.69503213481664440782239600:01:09113.99543022.69576614181664440752239600:01:41113.99536922.6964841081664440792239600:02:21113.99543022.69665011781664440732239600:03:01113.99493422.69788402381664440742239600:03:41113.99268322.69735001881664440762239600:04:21113.99234822.69673303681664520732239600:05:01113.99299622.6936320281654467042239600:05:41113.98925022.69308305680654220192239600:06:21113.98636622.69100004879654222182239600:07:41113.98874722.68545001680634269672239600:08:21113.98958622.68174904380634439222239600:09:01113.98601522.6815830079634439232239600:09:41113.98648122.68033204779624222922239600:10:21113.98829722.67641603180614222952239600:11:01113.99160022.67751704180624222912239600:11:09113.99214922.67731703380624439912239600:11:41113.99340122.67436803181614439872239600:11:49113.99344622.674217008161
可以看到编号相同的数据是相邻并且是以时间推进排序的。
3.将数据按照经纬度进行栅格化
栅格化的意思就是把每个数据按照经纬度分到不同位置的格子上
# Data gridding
# Define the bounds and generate gridding parameters
bounds = [113.6, 22.4, 114.8, 22.9]
params = tbd.area_to_params(bounds, accuracy=500)
params
#(113.6, 22.4, 0.004872390756896538, 0.004496605206422906)
#栅格参数(lonStart,latStart,deltaLon,deltaLat)，分别为栅格左下角坐标与单个栅格的经纬度长宽
# Mapping GPS data to grids
data['LONCOL'], data['LATCOL'] = tbd.GPS_to_grid(data['Lng'], data['Lat'], params)
data.head()
VehicleNumTimeLngLatOpenStatusSpeedLONCOLLATCOL4520722239600:00:29113.99671922.69333312081654440772239600:01:01113.99551422.69503213481664440782239600:01:09113.99543022.69576614181664440752239600:01:41113.99536922.6964841081664440792239600:02:21113.99543022.6966501178166
这一部分完成，我们就已经将数据划分在不同的栈格里了。
4.计算每个栅格中的数据个数
# Aggregate data into grids
#python中groupby函数主要的作用是进行数据的分组以及分组后地组内运算！
datatest = data.groupby(['LONCOL', 'LATCOL'])['VehicleNum'].count().reset_index()
# Generate the geometry for grids
datatest['geometry'] = tbd.grid_to_polygon([datatest['LONCOL'], datatest['LATCOL']], params)
# Change it into GeoDataFrame
# import geopandas as gpd
datatest = gpd.GeoDataFrame(datatest)
datatest.head()
#计算出每个栅格里的出租车数量（不按时间，是一天数据中所有的点）
LONCOLLATCOLVehicleNumgeometry036633POLYGON ((113.77297 22.68104, 113.77784 22.681...136642POLYGON ((113.77297 22.68553, 113.77784 22.685...236651POLYGON ((113.77297 22.69003, 113.77784 22.690...336661POLYGON ((113.77297 22.69453, 113.77784 22.694...436678POLYGON ((113.77297 22.69902, 113.77784 22.699...
LONCOL代表经度上第几个栈格，LATCOL代表维度上第几个栈格，VehicleNum表示了这个栈格中数据的数量，可用于后面进行GPS轨迹热力图的绘图。
5.OD订单的处理
①将各个数据转化成OD数据（每一个数据代表状态）
载客状态无非就两种状态，即（载客-空载-载客）和（空载-载客-空载）。
# Extract taxi OD from GPS data
#OD形成就是每一个订单都算一个OD行程，每一行代表一个OD行程
#stime代表出发时间，slon和slat是出发的经纬度
#etime代表结束时间，elon和elat是结束的经纬度
# ID是订单顺序号
oddata = tbd.taxigps_to_od(data,col = ['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus'])
oddata
VehicleNumstimeslonslatetimeelonelatID4270752239600:19:41114.01301622.66481800:23:01114.02140022.66391801313012239600:41:51114.02176722.64020000:43:44114.02607022.64026614174172239600:45:44114.02809922.64508200:47:44114.03038022.65001723761602239601:08:26114.03489722.61630101:16:34114.03561422.6467173217682239601:26:06114.04602122.64125101:34:48114.06604822.6361834...........................1755193680522:49:12114.11436522.55063222:50:40114.11550122.55798350832120923680522:52:07114.11540222.55808323:03:12114.11848422.54786750841190413680523:03:45114.11848422.54786723:20:09114.13328622.61775050852241033680523:36:19114.11296822.54960123:43:12114.08948522.53891850861709623680523:46:14114.09121722.54076823:53:36114.12035422.5443005087
5088 rows × 8 columns
②将od行程分为载客状态下和空载状态下的
data_deliver, data_idle = tbd.taxigps_traj_point(data,oddata,col=['VehicleNum',
'Time',
'Lng',
'Lat',
'OpenStatus'])
data_deliver #载客状态的od路径
VehicleNumTimeLngLatOpenStatusSpeedLONCOLLATCOLIDflag4270752239600:19:41114.01301622.664818163.085.059.00.01.04270852239600:19:49114.01403022.665483155.085.059.00.01.04166222239600:21:01114.01889822.66250011.086.058.00.01.04274802239600:21:41114.01934822.66230017.086.058.00.01.04166232239600:22:21114.02061522.66336610.086.059.00.01.0.................................644113680523:53:09114.12035422.54430012.0107.032.05087.01.0644053680523:53:15114.12035422.54430011.0107.032.05087.01.0643903680523:53:21114.12035422.54430010.0107.032.05087.01.0644063680523:53:27114.12035422.54430010.0107.032.05087.01.0643933680523:53:33114.12035422.54430010.0107.032.05087.01.0
209250 rows × 10 columns
data_idle #空载状态的od路径
VehicleNumTimeLngLatOpenStatusSpeedLONCOLLATCOLIDflag4166282239600:23:01114.02140022.663918025.086.059.00.00.03961362239600:23:41114.02314822.665100021.087.059.00.00.03961292239600:24:21114.02441422.665367035.087.059.00.00.04017442239600:25:01114.02711522.662100025.088.058.00.00.03946302239600:25:41114.02455122.659834021.087.058.00.00.0.................................1709713680523:45:42114.09121722.54076800.0101.031.05086.00.01709543680523:45:57114.09121722.54076800.0101.031.05086.00.01709553680523:46:12114.09121722.54076800.0101.031.05086.00.0643913680523:53:36114.12035422.54430000.0107.032.05087.00.0643963680523:53:51114.12035422.54430000.0107.032.05087.00.0
332941 rows × 10 columns
可以看出载客状态下数据有20w条，而空载状态下数据有33w条，说明在一天的过程中，总体上处于空载状态的时间是大于载客状态的时间的。
三、绘图以及可视化展示
1.GPS轨迹的热力图绘制
# Plot the grids
fig = plt.figure(1, (16, 6), dpi=300)
ax1 = plt.subplot(111)
#ax用于调整大小
# tbd.plot_map(plt, bounds, zoom=10, style=4)
datatest.plot(ax=ax1, column='VehicleNum', legend=True)
plt.xticks([], fontsize=10)
plt.yticks([], fontsize=10)
plt.title('Taxi GPS track point count', fontsize=12);
# Plot the grids
fig = plt.figure(1, (16, 6), dpi=300) # 确定图形高为6，宽为8；图形清晰度
ax1 = plt.subplot(111)
datatest.plot(ax=ax1, column='VehicleNum', legend=True, scheme='quantiles')
# plt.legend(fontsize=10)
plt.xticks([], fontsize=10)
plt.yticks([], fontsize=10)
plt.title('Taxi GPS track point count', fontsize=12);
# Plot the grids
fig = plt.figure(1, (16, 6), dpi=150) # 确定图形高为6，宽为8；图形清晰度
ax1 = plt.subplot(111)
datatest.plot(ax=ax1, column='VehicleNum', legend=True, cmap='OrRd', scheme='quantiles')
# plt.legend(fontsize=10)
plt.xticks([], fontsize=10)
plt.yticks([], fontsize=10)
plt.title('Taxi GPS track point count', fontsize=12);
2.载客状态和空载状态下的od订单图
traj_deliver = tbd.points_to_traj(data_deliver)
traj_deliver.plot()
traj_idle = tbd.points_to_traj(data_idle)
traj_idle.plot()
3.依赖keplergl第三方包绘制可交互式的可视化动画
keplergl是由Uber开源的一款地理数据可视化工具，我们可以在Jupyter notebook中使用该工具让我们的数据可视化做到美观。使用前需要先安装，安装教程可参考该篇文章：点击跳转
keplergl官网：点击跳转
①可交互式热力图
# 可视化数据点分布
tbd.visualization_data(data,col = ['Lng','Lat'],accuracy=40,height = 500) #accuracy是栅格大小，数值越大表示一个栅格涵盖地图面积越大
②可交互式OD订单图
# 可视化数据点分布
tbd.visualization_od(oddata,accuracy=2000,height = 500)
注：同时使用Ctrl和鼠标左键可移动观看视角
③可交互式的视频动图
tbd.visualization_trip(data_deliver) #一天当中的所有载客轨迹
总结
大家按照上述步骤进行项目，大问题是没有的，之前我遇到的主要问题就是transbigdata的包找了半天，其他的一些如各个包版本之间不适配的问题，可以直接百度解决。本项目的主要难点就是要去理解数据处理的一些函数，这些函数的大概功能我已经在注释中和内容中阐述了。如果有小伙伴想更加深入的了解函数的原理，可以去看transbigdata的源代码，这样可以更加直观的了解这些函数。
补充
如有其他问题，请私信我，谢谢。
推荐阅读
您阅读本篇文章共花了：
发表评论